文献类型：期刊文章

作　　者：薛贞霞[1,2] 刘三阳[1] 刘万里[1,3]

机构地区：[1]西安电子科技大学应用数学系,西安710071 [2]河南科技大学数学系,洛阳471003 [3]洛阳师范学院数学系,洛阳471022

出　　处：《模式识别与人工智能》

基　　金：国家自然科学基金资助项目(No.60574075,60703118)

年　　份：2008

卷　　号：21

期　　号：6

起止页码：721-727

语　　种：中文

收录情况：BDHX、BDHX2004、CSCD、CSCD2011_2012、EI(收录号：20090711906432)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对半监督学习中渐进直推支持向量机(PTSVM)算法每次标注的样本数太少、训练速度慢、回溯式学习多、学习性能不稳定的问题,提出一种快速的渐进直推支持向量机学习算法.该算法利用支持向量的信息,基于支持向量域描述(SVDD)选择新标注、无标签的样本点,以区域标注法代替 PTSVM 的成对标注法,不仅继承了其渐进赋值和动态调整的规则,而且在保持甚至提高算法精度的同时,大大提高算法速度.在人工模拟数据和真实数据上的实验结果表明该算法的有效性.

关 键 词：半监督学习 支持向量机 直推式学习 支持向量域描述(SVDD)  

分 类 号：TP181]